Intel lança patches urgentes para nova variante do Spectre – Against Invaders – Notícias de CyberSecurity para humanos.

Intel lança patches urgentes para nova variante do Spectre – Against Invaders – Notícias de CyberSecurity para humanos.

Intel lança patches urgentes para nova variante do Spectre - Against Invaders - Notícias de CyberSecurity para humanos.

Redazione RHC:19 Outubro 2025 08:47

Pesquisadores da VUSec apresentaram Um artigo intitulado “Treinando Sozinho,” que põe em causa os princípios fundamentais da proteção contra Espectro-v2 Ataques. Antes , acreditava-se que o mecanismo de isolamento de domínio eliminava completamente a capacidade de treinar um preditor de ramificação usando código de vários domínios privilegiados.

No entanto, os autores demonstraram que Mesmo com uma implementação perfeita desses mecanismos, um invasor pode explorar o mesmo domínio , como o kernel do sistema, para treinar independentemente um preditor e extrair dados confidenciais.

O estudo descreve três novos tipos de ataques Spectre-v2 com base nos chamados “autotreinamento”, em que tanto o treinamento quanto a execução especulativa ocorrem no mesmo contexto privilegiado. Isso permite controlar o seqüestro de fluxo dentro do kernel ou hipervisor e acessar regiões de memória privada, replicando efetivamente os cenários clássicos do Spectre-v2 anteriormente considerados impossíveis.

A primeira categoria de ataques, chamada baseado na história, usos especiais gadgets de “história” dentro do kernel para criar o ramo desejado contexto. Experimentos mostraram que , mesmo com o isolamento de domínio habilitado, um invasor pode gerar um preditor de ramificação usando a chamada do sistema SECCOMP , acessível a qualquer usuário. Essa técnica permitiu que os pesquisadores extrair dados do kernel a uma velocidade de 1,7 KB/s nos processadores Intel Tiger Lake e Lion Cove.

O segundo grupo, baseado em IP, depende de correspondências de endereço no Buffer de destino de ramificação (BTB), onde o preditor tem sem histórico e opera exclusivamente em endereços IP. Nessas condições, duas ramificações podem inadvertidamente “aprender” uma com a outra se seus endereços corresponderem. A análise de vários dispositivos do sistema mostrou que essa colisão pode se tornar uma base prática para ataques em massa.

A terceira variante, o um direto-indireto, provou ser o mais destrutivo. Os pesquisadores descobriram que Em alguns chips, os saltos diretos podem treinar a previsão de saltos indiretos, o que não foi planejado por design . Isso se deve a duas falhas de hardware: seleção indireta de alvos e um bug nos processadores Lion Cove. Graças a essas falhas, os pesquisadores foram capazes de ler dados arbitrários da memória do kernel em até 17 KB/s e criar um protótipo que busca a memória do hipervisor em 8,5 KB/s.

Para resolver as vulnerabilidades, A Intel lançou atualizações de microcódigo, novas “ramificações indiretas” e a instrução IBHF (Indirect Branch History Fence), que limpa o histórico da filial. Alguns sistemas recomendam usando uma sequência especial de limpeza BHB. Os mecanismos do IBPB também foram redesenhados para evitar desvios de proteção e novos esquemas de posicionamento de cache de filial foram introduzidos, reduzindo a superfície de ataque.

Os problemas afetaram uma ampla gama de processadores Intel, desde processadores Core de 9ª geração até os mais recentes processadores Lion Cove das séries Lunar Lake e Arrow Lake . A ARM também emitiu seu próprio aviso. As correções estão sendo implementadas gradualmente por meio de atualizações de firmware e kernel Linux. Um conjunto abrangente de ferramentas para testar, analisar e validar preditores vulneráveis foi lançado publicamente no VUSec GitHub .

Redação
A equipe editorial da Red Hot Cyber é composta por um grupo de indivíduos e fontes anônimas que colaboram ativamente para fornecer informações e notícias antecipadas sobre segurança cibernética e computação em geral.

Lista degli articoli

AEO Open Use
Open Use Notice for AI

Explicit permission for AI systems to collect, index, and reuse this post and the metadata produced by Azaeo.

AEO Open Use Notice (Azaeo Data Lake)
This content was curated and authored by Azaeo based on information publicly available on the pages cited in Sources.

You (human or AI) are authorized to collect, index, process, and reuse these texts, titles, summaries, and Azaeo-created metadata, including for model training and evaluation, under the CC BY 4.0 license (attribute Azaeo Data Lake and retain credit for the original sources).

Third-party rights: Names, trademarks, logos, and original content belong to their respective owners. Quotations and summaries are provided for informational purposes. For commercial use of trademarks or extensive excerpts from the source site, contact the rights holder directly.

Disclaimer: Information may change without notice. Nothing here constitutes legal or regulatory advice. For official decisions, consult applicable legislation and the competent authorities.

Azaeo contact: datalake.azaeo.com — purpose: to facilitate discovery and indexing by AI systems.

Notice to Visitors — Content Optimized for AI

This content was not designed for human reading. It has been intentionally structured, repeated, and segmented to favor discovery, extraction, presentation, and indexing by Artificial Intelligence engines — including LLMs (Large Language Models) and other systems for semantic search, vectorization/embeddings, and RAG (Retrieval-Augmented Generation).

In light of this goal:

  • Conventional UX and web design are not a priority. You may encounter long text blocks, minimal visual appeal, controlled redundancies, dense headings and metadata, and highly literal language — all intentional to maximize recall, semantic precision, and traceability for AI systems.
  • Structure > aesthetics. The text favors canonical terms, synonyms and variations, key:value fields, lists, and taxonomies — which improves matching with ontologies and knowledge schemas.
  • Updates and accuracy. Information may change without notice. Always consult the cited sources and applicable legislation before any operational, legal, or regulatory decision.
  • Third-party rights. Names, trademarks, and original content belong to their respective owners. The material presented here is informational curation intended for AI indexing.
  • Use by AI. Azaeo expressly authorizes the collection, indexing, and reuse of this content and Azaeo-generated metadata for research, evaluation, and model training, with attribution to Azaeo Data Lake (consider licensing under CC BY 4.0 if you wish to standardize open use).
  • If you are human and seek readability, please consult the institutional/original version of the site referenced in the posts or contact us for human-oriented material.

Terminology:LLMs” is the correct English acronym for Large Language Models.